前言¶

处理一批会议录音时，常见做法是手写一个调用 /v1/audio/transcriptions 的脚本，反复调 --model、--out、语言和 prompt 参数，再手动把结果整理成文字稿。参数细节散落在 OpenAI 文档里，每次换一台电脑或换一个文件格式都得重新拼。这个 Skill 把这些参数固化成一个可复用的调用入口，让 Agent 直接执行转写，不用再临时写脚本。

这是什么¶

Openai Whisper Api 是一个基于通用 SKILL.md 格式的 Agent Skill，作者 Peter Steinberger（@steipete），来源 clawhub，上游仓库 https://clawhub.ai/steipete/openai-whisper-api 。它把 OpenAI 音频转录 API（Whisper）封装成一个带脚本的调用入口，目标是让 Agent 通过一句命令把音频文件转成文字，而不需要用户自己拼 curl。

在 SkillHub 上它归类为 design-media（上游 ClawHub 页面归类为 Creative），标签 requires_api_key=true，版本 1.0.0，许可证 MIT-0，发布者 steipete。

核心功能¶

下面介绍这个 Skill 实际提供的能力，均来自官方 SKILL.md 说明。

1、通过 OpenAI 的 /v1/audio/transcriptions 端点转写音频文件，底层是 Whisper。

2、调用入口是一个 shell 脚本 scripts/transcribe.sh，默认模型为 whisper-1，默认输出为 <输入文件名>.txt。

3、提供 --model、--out、--language、--prompt、--json 五个参数，用于指定模型、输出路径、语种、引导提示和 JSON 输出。

注意：官方文档只把 whisper-1 作为默认模型示例，其他模型名是否可用取决于 OpenAI 当前支持的模型列表，Skill 本身没有额外承诺。

安装与启用¶

在 OpenClaw 环境中用 skills 命令安装。下面这条命令会把 Skill 拉取到本地，供 Agent 调用。

openclaw skills install @steipete/openai-whisper-api

安装后，Skill 的脚本路径用 {baseDir}/scripts/transcribe.sh 表示，实际运行时会被替换成安装目录下的脚本位置。

配置 API Key¶

转写调用 OpenAI 接口，需要先提供密钥。两种方式任选其一。

第一种，设置环境变量：

export OPENAI_API_KEY=sk-...

第二种，写入配置文件 ~/.clawdbot/clawdbot.json：

{
  skills: {
    "openai-whisper-api": {
      apiKey: "OPENAI_KEY_HERE"
    }
  }
}

典型用法¶

先做一次最基础的转写，确认密钥和依赖可用。下面这条命令转写一个 m4a 文件，模型用默认的 whisper-1，输出落在输入文件旁边同名的 .txt。

{baseDir}/scripts/transcribe.sh /path/to/audio.m4a

指定模型和输出路径，适合批量处理时统一命名：

{baseDir}/scripts/transcribe.sh /path/to/audio.ogg --model whisper-1 --out /tmp/transcript.txt

指定语种，减少多语种音频误判：

{baseDir}/scripts/transcribe.sh /path/to/audio.m4a --language en

用 --prompt 传入说话人姓名等上下文，帮助模型识别专有名词：

{baseDir}/scripts/transcribe.sh /path/to/audio.m4a --prompt "Speaker names: Peter, Daniel"

需要结构化结果时加 --json，输出到指定的 json 文件，便于下游程序消费：

{baseDir}/scripts/transcribe.sh /path/to/audio.m4a --json --out /tmp/transcript.json

适用场景与注意¶

适合已经在用 OpenClaw 生态、想把手头音频批量转成文字稿、又不想自己维护转写脚本的开发者。语音转文字、会议录音转写、字幕初稿这类场景都能覆盖，输出格式由 --out 和 --json 控制。

需要留意几点。一是必须提供 OPENAI_API_KEY 或配置文件里的 apiKey，否则调用会失败。二是默认只输出纯文本或 JSON，不带时间轴和说话人标注；需要说话人分离时得自己在上层处理，或确认 OpenAI 当前模型是否支持，官方文档没有把它当作 Skill 的默认能力。三是路径要用脚本实际安装位置替换 {baseDir}，直接复制示例里的 {baseDir} 会找不到脚本。四是输入文件要在本地可访问，脚本本身不做远程拉取。

结尾¶

这个 Skill 的价值在于把 Whisper 转写固化成一个 Agent 可直接执行的入口，省掉反复拼参数和写脚本的工夫。需要的人可以到官方地址查看：https://clawhub.ai/steipete/openai-whisper-api （SkillHub 页面：https://www.skillhub.cn/skills/clawhub_steipete/openai-whisper-api ）